Инструмент ИИ позволяет оценивать фильмы до съемки первой сцены

Рейтинги фильмов имеют решающее значение для прибыли фильма и определяют его влияние на аудиторию. Традиционно фильм оценивается людьми, смотрящими на него, учитывая насилие, злоупотребление наркотиками и сексуальный контент.

Эта динамика может измениться с развитием искусственного интеллекта (ИИ). Недавно исследователи из Школы инженерии USC Viterbi использовали инструменты ИИ для оценки фильма всего за несколько секунд. Одним из наиболее впечатляющих аспектов этого подхода является то, что рейтинг можно выполнить на основе только сценария фильма, без съемки ни одного кадра. Благодаря этому кинопроизводители могут разработать сценарий, внести правки и спроектировать рейтинг фильма заранее, прежде чем снять какие-либо сцены.

Новый подход, разработанный исследователями, окажет финансовое влияние на студии, но также может помочь творческим умам разработать и отредактировать историю на основе прогнозируемого воздействия и реакции зрителей.

Исследование было возглавлено Шриканхом Нараянаном, профессором и председателем кафедры инженерии Ники и С.Л. Макса Никиаса в USC Viterbi, вместе с командой исследователей из лаборатории анализа и интерпретации сигналов (SAIL) в USC Viterbi.

Применение ИИ к сценариям

После применения ИИ к сценариям фильмов команда обнаружила, что лингвистические подсказки могут указывать на определенные поведения, связанные с насилием, злоупотреблением наркотиками и сексуальным контентом, которые будут демонстрироваться персонажами. Эти категории контента часто используются для оценки современных фильмов.

Команда использовала 992 сценария фильмов, которые были определены организацией Common Sense Media как содержащие насилие, злоупотребление наркотиками и сексуальный контент. Эта некоммерческая организация отвечает за предоставление рекомендаций по фильмам для семей и образовательных учреждений.

Обученная модель ИИ была затем применена к 992 сценариям, выявляя рискованное поведение, закономерности и определенный язык. Сначала она получает сценарий в качестве входных данных, а затем обрабатывает его через нейронную сеть, которая сканирует семантику и выражения настроений.

ИИ работает как инструмент классификации, помечая предложения и фразы как положительные, отрицательные, агрессивные или другие описатели. Слова и фразы также классифицируются на три категории: насилие, злоупотребление наркотиками и сексуальный контент.

Виктор Мартинес – докторант по компьютерным наукам в USC Viterbi и ведущий исследователь.

“Наша модель анализирует сценарий фильма, а не сами сцены, включая, например, звуки выстрелов или взрывов, которые происходят позже в производственном процессе”, – сказал Мартинес. “Это имеет преимущество в том, что позволяет предоставлять рейтинг задолго до производства, чтобы помочь кинематографистам решить, например, степень насилия и нужно ли его смягчить”.

“Кажется, что существует корреляция между количеством контента в типичном фильме, посвященном злоупотреблению наркотиками, и количеством сексуального контента. Сознательно или нет, кинематографисты, кажется, соответствуют уровень контента, связанного с злоупотреблением наркотиками, с сексуально явным контентом”, – продолжил он.

Результаты и корреляции

Одним из результатов исследования было то, что крайне маловероятно, что фильм будет содержать высокие уровни всех трех рискованных поведений, что, вероятно, вызвано стандартами, установленными Ассоциацией кинопроизводителей (MPA). Они также обнаружили корреляцию между рискованным поведением и рейтингами MPA. Например, MPA уделяет меньше внимания контенту, связанному с насилием/злоупотреблением наркотиками, по мере увеличения сексуального контента.

“В SAIL мы разрабатываем технологии и инструменты, основанные на ИИ, для всех заинтересованных сторон в этом творческом бизнесе – писателей, кинематографистов и продюсеров – для повышения осведомленности о различных важных деталях, связанных с рассказом их истории на фильме”, – сказал Нараянан.

“Нас интересует не только точка зрения рассказчиков нарративов, которые они создают, но и понимание воздействия на аудиторию и ‘вывод’ из всего опыта. Инструменты, подобные этим, помогут повысить осведомленность, имеющую социальное значение, например, путем выявления негативных стереотипов”.

В команду исследователей также входят Кришна Сомандепалли, докторант по электротехнике и компьютерным наукам в USC Viterbi, и профессор Ялда Т. Ухлс из кафедры психологии UCLA.

Исследование было представлено на конференции EMNLP 2020.